ONNX是个好东西，其全称 Open Neural Network Exchange ，是一种用于表示和交换深度学习模型的开放标准格式。由Microsoft和Facebook在2017年共同推出的一个开放标准，旨在促进不同深度学习框架之间的互操作性，并采用相同格式存储模型数据。

ONNX有诸多优势，简直让人爱不释手呀。以下简单列举几个：

• 在不同深度学习框架（如PaddlePaddle、PyTorch、TensorFlow等）之间进行模型转换和迁移，无需重新训练；
• 可以在一个框架中训练模型并在另一个框架中做推理，充分发挥不同框架的优势；
• 可以在各种硬件和软件平台上运行，包括移动设备、嵌入式设备和云服务器；
• 许多大厂参与其中，并逐渐成为表示深度学习模型的事实标准。

ONNX Runtime（ORT）是由Microsoft开发和维护的高性能开源推理引擎，旨在不同硬件平台上高效运行深度学习模型。可以看作是 ONNX 模型的官方推理引擎，同时支持 x86、ARM 架构，对所有开发者友好，支持主流的开发语言，如：Java、Python、C++、C#等。

其原理图如下：

注：重点关注橙色部分。

飞桨模型转ONNX的步骤

飞桨官方对 ONNX 提供了非常完善的支持，将其训练的模型转换为ONNX模型也是一件非常简单的事情。

Paddle2ONNX 工具支持 Linux 与 Windows 平台，但实测中发现，其对 Linux 的支持度最好，与Github上的版本保持一致，而 Windows 上的版本相对滞后（好像很久没更新了）。故建议大家在 Linux 系统上进行相关转换操作。

直接上代码，按如下操作，一定可以成功。

 1、安装 Paddle2ONNX 工具

# 使用Conda 创建环境
conda create -n p2onnx python==3.10

# 切换到刚才创建的环境
conda activate p2onnx

# 安装依赖与Paddle2ONNX
pip install paddlepaddle==2.6.1 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
pip install onnxruntime
pip install paddle2onnx

验证是否安装成功

paddle2onnx --version

# 输出如下内容，表示成功
2024-08-26 16:32:50 [INFO]	paddle2onnx-1.2.8 with python>=3.8, paddlepaddle>=2.0.0

2、模型转换

1）将飞桨模型解压到 model 目录下，如下图所示：

 

2）执行转换脚本

 在 model 目录的同级目录，执行如下脚本，如图所示：

paddle2onnx --model_dir model \
            --model_filename inference.pdmodel \
            --params_filename inference.pdiparams \
            --save_file model.onnx

显示如下内容，表示转换成功，导出的 ONNX 模型在 model 同级目录

附：模型转换参数说明

参数	参数说明
--model_dir	配置包含 Paddle 模型的目录路径
--model_filename	[可选] 配置位于 --model_dir 下存储网络结构的文件名
--params_filename	[可选] 配置位于 --model_dir 下存储模型参数的文件名称
--save_file	指定转换后的模型保存目录路径
--opset_version	[可选] 配置转换为 ONNX 的 OpSet 版本，目前支持 7~16 等多个版本，默认为 9
--enable_onnx_checker	[可选] 配置是否检查导出为 ONNX 模型的正确性, 建议打开此开关， 默认为 False
--enable_auto_update_opset	[可选] 是否开启 opset version 自动升级功能，当低版本 opset 无法转换时，自动选择更高版本的 opset进行转换， 默认为 True
--deploy_backend	[可选] 量化模型部署的推理引擎，支持 onnxruntime、tensorrt 或 others，当选择 others 时，所有的量化信息存储于 max_range.txt 文件中，默认为 onnxruntime
--save_calibration_file	[可选] TensorRT 8.X版本部署量化模型需要读取的 cache 文件的保存路径，默认为 calibration.cache
--version	[可选] 查看 paddle2onnx 版本
--external_filename	[可选] 当导出的 ONNX 模型大于 2G 时，需要设置 external data 的存储路径，推荐设置为：external_data
--export_fp16_model	[可选] 是否将导出的 ONNX 的模型转换为 FP16 格式，并用 ONNXRuntime-GPU

至此结束！

Enjoy It